《表1 5种特征组合在ELM下的准确率》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于改进YOLO v3的相似外部特征人员检测算法》
本文特征分类部分训练集为248个目标个体,具有相似外部特征的样本有4组,其中每个类别含有6个目标个体.测试集数据为77个目标个体,具有相似外部特征的个体有2类,每类中有4个目标个体,其余均为普通个体.表1为不同的特征组合的人群类别分类准确率;图10~14为测试集预测分类的结果与真实值的对比.在表1中可以看到F1特征组合的识别率为84.415%,相比于其他组合识别是最低的,说明在复杂条件下仅仅依靠颜色特征无法可靠识别出目标个体,而在一定程度上增加特征数量可以提高识别的准确率.最后一组F5特征组合在实验条件下达到了96.104%,该组融合了文中提到的全部特征向量,各种特征之间相互弥补了各自的不足,呈现出较好的仿真效果.ELM作为一种机器学习分类算法,学习效率高、泛化能力强,相比于传统单隐层前馈神经网络,在保证精度的前提下速度更快.
图表编号 | XD00135909500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.25 |
作者 | 梁思源、王平、罗凡波、徐桂菲、王伟 |
绘制单位 | 西华大学电气与电子信息学院、西华大学电气与电子信息学院、西华大学电气与电子信息学院、西华大学电气与电子信息学院、西华大学电气与电子信息学院 |
更多格式 | 高清、无水印(增值服务) |